漢語框架網(wǎng)中未登錄詞元的識別技術研究.pdf

1、目前詞匯語義資源在自然語言處理領域的許多應用中都發(fā)揮著重要的作用，但是所有的語義資源都面臨一個共同的限制——低覆蓋率，漢語框架網(wǎng)也不例外。目前漢語框架網(wǎng)的覆蓋率較低，對于開放的文本必定會存在許多詞元庫中未登錄的詞，嚴重制約著漢語框架語義分析任務。針對未登錄詞元的識別問題，本文借助《同義詞詞林》的詞義信息，分別進行了未登錄詞元的目標詞識別與框架選擇的研究。
　　 本文的主要研究內(nèi)容及貢獻分以下兩方面介紹:
　　 針對未登錄

2、詞元目標詞識別任務的研究，提出兩種方法。
　　 (1)基于詞元庫擴充的方法，利用《同義詞詞林》詞義信息到CFN詞元庫的映射來獲得擴充的CFN詞元庫，并利用詞義信息來進行目標詞的識別，實驗結果顯示利用擴充后的詞元庫的識別結果比利用原有詞元庫的召回率得到了明顯提高，而詞義信息的加入則使準確率得到了提高。
　　 (2)基于最大熵模型的方法，實驗選取了詞、詞性、詞義作為特征，對于未登錄詞元的目標詞識別最好達到了90.95％的F值

3、。此方法是一種動態(tài)的方法比第一種靜態(tài)的方法獲得了更好的結果，同時，可以識別出詞典中的未登錄詞元。
　　 針對未登錄詞元框架選擇任務的研究，提出兩種方法。
　　 (1)基于平均語義相似度計算的方法，算法思想是同一框架下的詞元具有高度相似性，最終實驗結果(TOP-4)達到了78.61％準確率。
　　 (2)基于最大熵模型的方法，特征選擇的方法采用靜態(tài)特征與動態(tài)特征相結合的方法。在第一種方法相同的語料(Test1)上實

4、驗結果可達到87.29％的未登錄詞元框架選擇準確率，針對新聞語料(Test2)中完全未登錄詞元獲得75％的準確率，結果顯示詞義信息是最優(yōu)靜態(tài)特征而依存句法特征為最優(yōu)動態(tài)特征。
　　 以上方法為漢語的框架語義分析任務中未登錄詞元的識別任務提供了有效的解決方法，同時也提供了詞元庫自動擴充的有效途徑。本文的貢獻主要集中在首次研究漢語框架網(wǎng)中未登錄詞元的目標詞識別與框架選擇問題，并借助《同義詞詞林》語義資源中的詞義信息，提出利用語義層面